摘要
本发明涉及敞开式TBM智能掘进技术领域,特别是一种基于储备池计算的敞开式TBM掘进机掘进参数预测方法,包括以下步骤:S1:采集TBM稳定段的掘进数据;S2:对掘进数据进行降噪处理,生成平滑时序数据;S3:将平滑时序数据划分为训练集与测试集,其中训练集的部分数据用于初始化储备池状态;S4:构建储备池计算模型,并基于训练集对模型进行训练,S5:将测试集输入训练完成的储备池计算模型,输出掘进参数的预测值,并根据预测值实时调整隧道掘进机操作参数。本发明通过基于储备池计算建模,实现训练时间短、测试时间快的实时预测,解决了现有技术中响应滞后与过拟合问题,显著提升TBM施工安全性与效率。
技术关键词
掘进参数
线性回归算法
矩阵
网络结构
隧道掘进机
刀盘扭矩
时序
教师
数据
动态更新
卡尔曼滤波算法
双曲正切函数
非线性
掘进技术
训练集
信号
推力